文章圖片
文章圖片
文章圖片
起猛了 ， 蘋果怎么搞起跨界AI模型了？？
發布了一個基于流匹配的蛋白質折疊模型SimpleFold ， 被網友戲稱為“iFold” 。
SimpleFold沒有花里胡哨的專屬模塊設計 ， 就靠通用的Transformer模塊 ， 搭配流匹配生成范式 ， 3B參數版本追平了該領域頂流模型谷歌AlphaFold2的性能 。
蘋果這波跨界看來玩的是化繁為簡 。
MacBook Pro跑起來不費力首先來說說蛋白質折疊是怎么一回事 。
核心是將“一串”氨基酸折成特定的3D形狀 ， 這樣蛋白質才能發揮作用 。
而蛋白質折疊模型就是從氨基酸的一級序列預測它的三維空間構象 。
之前最厲害的模型 ， 比如谷歌的AlphaFold2 ， 雖然實現了突破 ， 但用了很多復雜的專屬設計 。
比如要分析大量相似蛋白質的序列 ， 依賴多序列對比（MSA）構建進化信息、靠三角注意力優化空間約束、推理時需調用超算級算力 ， 普通實驗室不太能用得起 。
但這款“iFold”用通用AI框架解決了這個問題 。
SimpleFold在架構上采用多層Transformer編碼器作為核心骨干 ， 僅通過自適應層歸一化適配蛋白質序列特征 ， 相當于用“通用工具箱”解決專屬領域難題 。
【“iFold”，蘋果AI新成果】核心創新在于引入流匹配生成技術 。
不同于擴散模型的逐步去噪 ， 流匹配通過學習從隨機噪聲分布到蛋白質構象分布的光滑映射 ， 實現一步式生成原子坐標 。
在訓練階段 ， 團隊構建了包含900萬條數據的混合數據集 ， 訓練出了100M到3B參數的多尺度模型 ， 其中SimpleFold-3B在CAMEO22 基準測試中 ， 性能達到AlphaFold2的95% 。
在CASP14高難度測試集上 ， 超越同類流匹配模型ESMFold 。
還值得一提的是效率 ， 在搭載M2 Max芯片的MacBook Pro上 ， 處理512殘基序列的推理時間僅需兩三分鐘 ， 遠超傳統模型的小時級耗時 。
研究團隊這項研究的第一作者Yuyang Wang本科畢業于同濟大學 ， 后赴美國卡內基梅隆大學深造 ， 陸續取得機械工程碩士、機器學習碩士以及機械工程博士學位 ， 長期的學習為其相關領域研究筑牢根基 。
他有在Momenta從事強化學習研發的實習經歷 ， 還曾在蘋果公司擔任AI/ML Resident ， 專注于擴散模型研究 ， 之后成為蘋果的機器學習研究員 。
通訊作者是華人機器學習工程師Jiarui Lu ， 本科畢業于清華大學 ， 就讀期間還在朱軍教授實驗室中擔任研究助理 。
隨后 ， Lu在卡內基梅隆大學取得了機器學習碩士學位 ， 畢業后于2020年加入蘋果公司 。
曾經主導了一套關于大模型工具調用能力的Benchmark——ToolSandbox這一蘋果開源成果 。
關于這款“iFold” ， 有感興趣的、想扒技術細節的朋友可戳文末鏈接～
論文地址：https://arxiv.org/abs/2509.18480代碼地址：https://github.com/apple/ml-simplefold
參考鏈接：[1
https://x.com/iScienceLuvr/status/1970787581248905454
本文來自微信公眾號“量子位” ， 作者：關注前沿科技 ， 36氪經授權發布 。
推薦閱讀
- 高喊“改變”的小米，既要彌補遺憾、更在鋪墊未來
- AI編程被指“水土不服”，這中間出了什么差錯
- 中興王翔：以“多快好省”破局創新鴻溝 深化數實融合加速AI普惠
- 技術、場景、生態共振：京東健康發起“AI普惠醫療加速計劃”
- 華為開啟“清倉模式”，從3999元降至2379元，512GB售價更親民了
- 榮耀宣布清倉，從2999元跌至1689元，512GB高配版降至“谷底價”
- 小米“亂套了”，從4299元跌至2663元，高配旗艦反而售價更親民了
- 被指“暗中”篡改瀏覽器配置！搜狗輸入法客服：系測試功能異常，已修復
- 鵝卵石般抗“造”還安全！華碩Cobble鵝卵石移動固態硬盤盒測評
- “游戲最強芯”實錘！天璣 9500 GPU扛住高負載手游